Marktonderzoek

1. Marktonderzoek Steekproef Brontekst: Tony Bastijns + bibliografie achteraan

2. Onderzoekvraag Steekproef Beslissing Brontekst: Tony Bastijns + bibliografie achteraan

3. Kernidee achter Steekproef • “De markt” is groot – om dat markt te meten, moet je alles meten • In praktijk niet te doen: teveel werk, teveel tijd, teveel geld • Statistiek: • Bij meten merkt men altijd ergens een punt waarboven het resultaat van de meting niet meer of nog nauwelijks verandert • Als men dat punt kent, kan men zich heel wat “overbodig” meetwerk vermijden MAAR moet men er wel rekening mee houden dat “vanaf hier niet of nauwelijks veranderen” betekent dat het resultaat van de meting tot aan het “keerpunt” nooit 100% juist is. • Het “keerpunt” ligt dichter bij de start van de meting naarmate wat men meet naar samenstelling meer gelijkt op de samenstelling van het volledige metingcontingent. Brontekst: Tony Bastijns + bibliografie achteraan

4. Opties meel  1€/ 10 kg voorwaarde: 95% zuiver graan  natuurgraan  1€ / 100 kg voorwaarde: 75% zuiver graan  veevoer  1€/ 1000 kg indien -75% zuiver Brontekst: Tony Bastijns + bibliografie achteraan

5. Steekproef 1: 100% zuiver Steekproef 2: 75% zuiver Steekproef 4: 45% zuiver Steekproef 3: 95% zuiver Brontekst: Tony Bastijns + bibliografie achteraan

6. Brontekst: Tony Bastijns + bibliografie achteraan

7. Steekproefgrootte • Afhankelijk van • Homogeniteit van de populatie • Hoe exact het meetresultaat moet zijn • Waar en hoe men de steekproef wilt nemen • Boorden, hoeken, gespreide stalen, … • Zode, “op zicht”, testoogst, …. • Hoeveel meettijd men heeft • … Brontekst: Tony Bastijns + bibliografie achteraan

8. Steekproef in de praktijk • Populatie definiëren • Populatie definiëren naar omvang en samenstelling • Controle / correctie definitie populatie • Steekproefkader • Lijst met alle relevante elementen van de populatie in licht onderzoekvraag • Controle /correctie van steekproefkader • Selectie van steekproefelementen • Kenmerken: representatief – precies – efficiënt • Controle / bijsturing van “in/uit”- steekproeffout Brontekst: Tony Bastijns + bibliografie achteraan

9. Populatie • Context: steekproefonderzoek • Definitie: de volledige verzameling van ALLE objecten / elementen waarover het onderzoek iets moet zeggen. • Doel definitie: eigenschappen van een verzameling in kaart brengen • Wat verzamelt is = objecten/elementen • definitie, herkenbaarheid, homogeniteit/varianten, .. • De hele verzameling = populatie • grootte, locatie, variabiliteit/seizoenaliteit, ..

10. Voorbeeld graanveld • Welk veld moeten we exact beoordelen • Hoe definieert men “veld” • Is dat vb. een grondoppervlak of alleen het bezaaide deel van dat grondoppervlak? • Waar ligt het? • Waar liggen de grenzen = • welk velddeel zit “in” ons veld, welk deel niet? • Maar ook: hoe ga ik dat zien? Brontekst: Tony Bastijns + bibliografie achteraan

11. Steekproefkader • Context: steekproefonderzoek • Definitie: een oplijsten van de mogelijkheden om uit de gegeven populatie een steekproef te trekken waarin alle “soorten” elementen van de populatie vertegenwoordigd zijn. • Doel kadering: afbakenen van manieren om steekproeven te “trekken”. Brontekst: Tony Bastijns + bibliografie achteraan

12. Voorbeeld graanveld • Context: We gaan nu bepalen welk deel van het veld we gaan meten/testen • Vraag hier: Waar moeten we rekening mee houden als we gaan kiezen welk deel van het veld we gaan onderzoeken? • Waar kunnen we allemaal meten zonder de rest van het veld te beschadigen? • Waar kunnen we met de minste kosten meten (= waar kunnen we het gemakkelijkste aan)? • Welk deel van het veld gaat het hele veld wel/niet best vertegenwoordigen en hoe gaan we dat kunnen zien? • Vb. we kunnen hele veld “op zicht” in kaart brengen en dan geen steekproef nemen waar echt duidelijk veel meer onkruid staat  probleem: hier gaat discussie over komen tussen koper en verkoper • Wat we zoeken: zo objectief mogelijke normen om steekproef “representatief” te maken  in deze fase zoeken we deze “normen”/”selectiecriteria” • Vb. meter van de veldrand –bergje of put in het veld – schaduw – tijd van de dag – tijd in het jaar - ….  de manier om die criteria te bepalen = uzelf de vraag stellen welke “variabelen” vertekening kunnen veroorzaken in je steekproef, welke variabelen een directe invloed gaan hebben op je meetresultaat dus. Brontekst: Tony Bastijns + bibliografie achteraan

13. Selectie steekproef • Context: steekproefonderzoek • Definitie: selecteren van het voor dit onderzoek “beste” alternatief voor het effectieve “trekken” van de steekproef. • Doel selectie: • Praktisch haalbaar in het kader van het onderzoek • Inhoudelijk relevant in licht onderzoekvraag • Statistisch geschikt voor bruikbare extrapolatie met gevraagde graad van nauwkeurigheid 1 Brontekst: Tony Bastijns + bibliografie achteraan

14. Voorbeeld graanveld • Conclusie: hoe ga je tewerk gaan om het meetveld te selecteren? • Voorbeeld: • Op 10 passen van de rand van het veld • 25% in elke windrichting • … • Tot een totaal meetoppervlak van …… Brontekst: Tony Bastijns + bibliografie achteraan

15. Steekproef in de praktijk • 2 soorten • Aselecte steekproef: elk element uit de onderzoekspopulatie heeft een even grote kans om in de steekproef terecht te komen. • Selecte steekproef: of een element in de steekproef terechtkomt, is afhankelijk van een persoonlijke beoordeling van een onderzoeker. • Lees: http://www.allesovermarktonderzoek.nl/Steekproef-algemeen/aselecte-steekproef Brontekst: Tony Bastijns + bibliografie achteraan

16. Steekproefselectie: in praktijk (1) • De “pure” en compleet “volgens de boekjes”: • toevallige steekproef/ random sample (= aselect) • Kernidee • “Lotto”: ieder element heeft evenveel kans op gekozen te worden, dus men bevraagd zoals respondenten zich aandienen. • Voordeel: • Eenvoudig, duidelijk, statistisch perfect “volgens de boekjes” • Nadeel: • Vertekenende “voorselectie” door locatie, tijd, …. Brontekst: Tony Bastijns + bibliografie achteraan

17. Steekproefselectie: in praktijk (1-2) • De “verbeterde pure”: • systematische steekproef/ systematic sample • Kernidee • Aantal voorselectie-vertekeningen uitsluiten door eerst op computer uit adressenlijst “toevallig” te selecteren en die mensen dan te gaan opzoeken. • Voordeel: • Eenvoudig, duidelijk, niet veel extra kosten, mogelijk in bijna alle omstandigheden (lijsten genoeg) • Nadeel: • Respondenten zijn niet altijd beschikbaar, willen niet altijd, “vinden” kost tijd, … Brontekst: Tony Bastijns + bibliografie achteraan

18. Steekproefselectie: in praktijk (1-3) • De “verbeterde pure”: • gestratificeerde steekproef/ stratified sample • Definitie: • Stratum (ook: klasse) = deel van populatie met gezamenlijk kenmerk (vb. M/V) • Kernidee • Verdeel de populatie in strata - Zorg dat ELK relevant stratum proportioneel correct in steekproef zit. • Voordeel: • Verhogen van sampling precisie door “gestuurd toeval” • Nadeel: • Wat zijn “relevant” strata? (nadeel of discussie?) Brontekst: Tony Bastijns + bibliografie achteraan

19. Stel nationaal onderzoek in Belgie Populatie België (let op: oude cijfers!!!) • Vlaams gewest 5.654.964 • Waals gewest 3.213.176 • Brussels gewest 989.877 • Totaal 9.858.017 Proportioneel zal het aandeel van deze drie bevolkingsgroepen in de steekproef als volgt zijn: • Vlaams gewest 57,36% • Waals gewest 32,59% • Brussels gewest 10,04% Brontekst: Tony Bastijns + bibliografie achteraan

20. Steekproefselectie: in praktijk (1-4) • De “verbeterde pure”: • cluster steekproef/ cluster sample • Definitie: • Cluster = groep, “tros”, elementen die iets met mekaar gemeen hebben, “samen ergens aan vast hangen” • Kernidee • Kies een representatief “micro-cosmos” en beperk uw onderzoek daartoe. • Voordeel: • Sterke reductie van steekproefkosten  hogere efficiëntie • Nadeel: • Wat zijn “relevant” clusters? (nadeel of discussie?) Brontekst: Tony Bastijns + bibliografie achteraan

21. Stel nationaal onderzoek hogeschoolstudenten • Mogelijkheid • ALLE hogescholen en dan steekproef met representatieve groepen uit elk studiejaar of studierichting  stratificatie • Een hogeschool kiezen en daar representatieve steekproef (repr. naar jaar en richting en ..) ondervragen  cluster Brontekst: Tony Bastijns + bibliografie achteraan

22. Vergelijking strata - cluster Brontekst: Tony Bastijns + bibliografie achteraan

23. Steekproefselectie: in praktijk (1-5) • De “verbeterde pure”: • getrapte steekproef/ sample • Definitie: • “getrapt” = combinatie van twee of meer manieren om een steekproef te trekken • Kernidee • Door combinatie een evenwicht vinden tussen precisie, doenbaarheid, timing en kosten • Voordeel: • Voordelen max. proberen te houden, nadelen proberen te minimaliseren • Nadeel: • De grens tussen “puur toeval” en “complexiteit die manipulatie/vertekening camoufleert” is dun Brontekst: Tony Bastijns + bibliografie achteraan

24. Onderzoek in gebruik GSM • voorbeeld 1: • de populatie wordt opgedeeld in clusters (vb. steden) • enkele clusters worden uit de populatie aselect (toevallig, systematisch) geselecteerd • uit elke cluster wordt aselect (toevallig, systematisch) een aantal leden gekozen (vb. kopers op parking supermarkt X, straatinterview, ..) • voorbeeld 2: • men verdeelt de populatie in strata (-15, 16-25, 26- 40, 41 – 60, 61+) • uit elke strata trekt men een aselecte steekproef (10 -15’ers, …) • alle leden van de geselecteerde subpopulatie worden ondervraagd Brontekst: Tony Bastijns + bibliografie achteraan

25. Steekproefselectie: in praktijk (2) • Praktijk- & actiegericht • “niet-probabilistische steekproef” • Kernidee • “Eerste de beste”: buiten een labo is elke steekproef vertekend/fout. Dus: beperkt de moeite van selectie en beschouw het MO-resultaat als wat het is: een indicatieve meting. • Voordeel: • Gemakkelijk, snel, duidelijk, “bewust fout” • Nadeel: • Verleiding tot “statistische” rapportering en extrapolatie is groot – rapporten/grafieken vaak “misleidend” Brontekst: Tony Bastijns + bibliografie achteraan

26. Quick & durty’s • Diegenen die meedoen, worden bevraagd • Diegenen die niet meedoen, niet Brontekst: Tony Bastijns + bibliografie achteraan

27. Steekproefselectie: in praktijk (2-1) • De “verbeterde gemakkelijke”: • beoordelingsteekproef/ judgment sample • Definitie: • oordeel = gebaseerd op ervaring, “horen zeggen”, aanvoelen,.. • Kernidee • Ervaring leert vaak dat bij vb. een bepaalde stad of regio voor een onderzoekonderwerp bijna altijd representatief is voor ganse populatie • Voordeel: • Eenvoudig, duidelijk, niet veel extra kosten • Nadeel: • SFP: men krijgt wat men denkt te krijgen, men maakt op deze manier zijn eigen “waarheid” Brontekst: Tony Bastijns + bibliografie achteraan

28. “ons” panel • Routine onderzoeken • Tevredenheid • Smaaktesten • Winkeltesten • ….. Brontekst: Tony Bastijns + bibliografie achteraan

29. Steekproefselectie: in praktijk (2-2) • De “verbeterde gemakkelijke”: • Quota steekproef/ quota sample • Definitie: • Quota = toegewezen hoeveelheden. • Kernidee • “gemakkelijke” versie van stratificatie: men kiest op basis van “oordeel” relevante strata, kijkt naar hun vertegenwoordiging in de populatie en geeft onderzoekers vervolgens per stratum quota voor bevraging (type: 20 mannen van 35) via “eerste beste” • Voordeel: • Eenvoudig, duidelijk, niet veel extra kosten, verfijning op “beoordeling” • Nadeel: potentieel bedrieglijk • Lijkt statistisch correcter maar blijft zelfde statistische fout houden DUS rapport is nog altijd enkel maar indicatief Brontekst: Tony Bastijns + bibliografie achteraan

30. Steekproefselectie: in praktijk (2-3) • De “verbeterde gemakkelijke”: • sneeuwbalsteekproef/ snowball sample • Definitie: • Sneeuwbal = 1e positie maakt volgende “logisch” • Kernidee • Respondenten met zeer specifieke eigenschap zijn moeilijk (duur) te vinden  zoek er een en vraag of die een volgende kent – herhaal tot aan onderzoekquota. • Voordeel: • Kosteneffectieve oplossing voor anders bijna niet te bevragen populaties • Nadeel: • Per definitie vertekend: “vrienden van vrienden” zijn bijna per definitie een “vertekende steekproef”  SFP of grote afwijkingen tussen opeenvolgende onderzoeken waardoor geen historiek mogelijk Brontekst: Tony Bastijns + bibliografie achteraan

31. Steekproefselectie: in praktijk (2-4) • De “verbeterde gemakkelijke”: • routesteekproef/ route sample • Definitie: • route = “op mijn weg” • Kernidee • Stuur enquêteurs op vooraf uitgedachte routes die kansen op bepaalde vertekeningen beperken en/of “toeval” vergroten • Voordeel: • Eenvoudig, duidelijk, niet veel extra kosten • Nadeel: • Routes kunnen kans op toeval vergroten maar niet uitsluiten • Routes maken opening voor andere, vaak menselijke vertekeningen • Routes zijn vorm van “beoordeling” Brontekst: Tony Bastijns + bibliografie achteraan

32. Overzicht trekkingsmethodesin vaktaal Brontekst: Tony Bastijns + bibliografie achteraan

33. Controle representativiteit steekproef • Uitgangspunt: • Representativiteit = worden alle criteria die IK aan de steekproef stelde in voldoende mate door de steekproef gehaald? • Criteria die IK stelde: • In labo-onderzoeken is het aantal beperkt en relatief eenvoudig maar ook daar weet men niet 100% zeker dat men wel op het juiste let bij de meting. • In “meetopdrachten” zijn de criteria doorgaans gemakkelijk vast te leggen maar niet noodzakelijk 100% sluitend • In commercieel onderzoek zijn “meetbare” criteria vaak niet de enige verklarende criteria • Gevolg: “ingebakken” steekproeffout Brontekst: Tony Bastijns + bibliografie achteraan

34. χ ² - chi-kwadraat – chi square representativiteitcontrole • LET OP MET OPZOEKINGEN OP INTERNET • “χ ²” staat in statistiek voor minstens 6 min of meer verschillende testen • Indien gebruikt in context van marktonderzoek, wordt gewezen naar iets wat de statistici en andere geleerden “Pearson’sχ ²” noemen. • De χ²-test gaat over distributie (verdeling) van variabelen in een populatie en dus over de kans dat je een of meer “abnormale elementen” trekt voor je steekproef • χ ²  je berekent de formule en zoekt dan in een tabel op hoeveel kans op “abnormale meting” je in je onderzoek hebt. Brontekst: Tony Bastijns + bibliografie achteraan

35. χ ² : wat meet het EXACT • De χ²-test meet de waarschijnlijkheid van een onderzoekhypothese • Je bedenkt vooraf wat je verwacht te vinden • Je noteert wat je gevonden hebt • χ ² is een manier om te “meten” in hoeverre wat je gevonden hebt echt iets over de populatie zegt dan wel het gevolg van puur toeval is • Het resultaat is “het is x % waarschijnlijk dat je onderzoekresultaat - bij herhaalde metingen op deze manier - hetzelfde zal blijven en dus de werkelijkheid reflecteert”. • x = betrouwbaarheid • De betrouwbaarheid verbonden aan een χ²-score wordt beïnvloed door het aantal variabelen in je steekproef die de “vrijheid van veranderen” hebben (= degrees of freedom = de dingen die je kan “mis hebben”) Brontekst: Tony Bastijns + bibliografie achteraan

36. χ ² : de formule f F De formule: χ ² = (140-150)² + (127-120)² + (33-30)² op “vrijheid” 3 =0.66 + 0.41 + 0.3 = 1,37 150 120 30 Brontekst: Tony Bastijns + bibliografie achteraan

37. Vrijheidsgraden = hoeveel dingen kunnen fout gaan • Vrijheidsgraden = • Het aantal onafhankelijke variabelen die je meting met hun verandering kunnen vertekenen Brontekst: Tony Bastijns + bibliografie achteraan

38. χ ² : de tabel Brontekst: Tony Bastijns + bibliografie achteraan

39. Representativiteitscorrectie Voorbeeld Marktonderzoek  wat met resultaat? Geloven? Niet geloven? Brontekst: Tony Bastijns + bibliografie achteraan

40. χ ² χ ² = 54.4 + 80.66 + 0.048 + 7,12 = 142,2 op vrijheid 4  minder dan 1% betrouwbaar  resultaat weggooien ???? Brontekst: Tony Bastijns + bibliografie achteraan

41. Optie: recuperatie van werk Brontekst: Tony Bastijns + bibliografie achteraan

42. Steekproefselectie: in praktijk (3) • Marktonderzoek staat en valt bij de steekproeftrekking • Overwegingen bij die trekkingen • Populatie-eigenheden • Potentiële “trekkingsproblemen” • Mogelijke inhoudelijke problemen • Potentiële problemen vraagstelling • Potentiële bronnen van vertekening • Potentiële administratieve problemen Brontekst: Tony Bastijns + bibliografie achteraan

43. 1. Populatie-eigenheden • Kan de populatie in kaart gebracht worden? • Bevolking  telefoonboek, kieslijsten, …. • Daklozen  niet geregistreerd dus zelf zoeken • Is de populatie alfabeet? • Zijn er taalproblemen? • Let op: dialect is vb. ook een “taal” in deze context • Kunnen vragenlijsten in nodige talen gemaakt worden? Is er “vertaling” mogelijk? Waar? • Zal de populatie willen meewerken aan het MO? • Zijn er geografische of andere bereik-beperkingen? Brontekst: Tony Bastijns + bibliografie achteraan

44. 2. Steekproef • Welke informatie hebben we? • Adres? Mail? GSM? • Up to date? • Kunnen we de respondenten vinden? • Zijn ze mobiel, statisch, alleen beschikbaar op bepaalde tijden, ..? • Wie is de respondent (concept MAN in verkopen)? • VVA? Inkoper? Gebruiker? Agentschap? • Kunnen we alle respondenten bereiken? • Adreswijziging, naamverandering, …. • Gaat respons problemen geven? • Niet willen antwoorden, niet thuis, fake antwoorden, te laat antwoorden, …. Brontekst: Tony Bastijns + bibliografie achteraan

45. 3. Benodigde vragen • Welk soort vragen gaan gesteld worden? • Open, toe, persoonlijk, …. • Hoe complex gaan de vragen zijn? • Vragen in vele delen, eenvoudige vragen, … • Moeten er screeningvragen gesteld worden? • Vragen die enkel mogen beantwoord worden indien repondent aantal “goede” antwoorden gaf • Ligt de vraagvolgorde vast of beginnen we verkennend en passen we van daar aan? • Hoe lang/repetitief zijn de vragen? • Hoe lang zijn de antwoordschalen? Brontekst: Tony Bastijns + bibliografie achteraan

46. 4. inhoud • Mag men veronderstellen dat de respondenten iets weten over het onderzoekonderwerp? • Vb. niet iedereen in een gezin weet hoeveel geld per week gespendeerd wordt aan voeding • Vb. iemand die de krant niet leest, kent mogelijk niet de namen van diverse BV’s • Moet de respondent om te kunnen antwoorden, dingen gaan opzoeken in zijn archief? • Vb. hoeveel geld uitgegeven vorige maand? • Vb. hoeveel getelefoneerd/ge-smst naar vrienden vs bedrag naar familie? • En: hoe gemakkelijk/ongemakkelijk gaan respondenten zijn als ze u moeten laten wachten terwijl zij dingen opzoeken? Brontekst: Tony Bastijns + bibliografie achteraan

47. 5. BIAS (vertekeningen) • Kunnen sociaal wenselijke antwoorden vermeden worden? • Mensen willen zich niet belachelijk maken en toegeven dat ze iets niet weten • Sommige dingen willen mensen niet geweten hebben (willen ze zelf ook niet weten) …. • Hoe erg kan de interviewer dingen vertekenen? • Half luisteren, fout weergeven, veronderstellen, .. • Zijn valse respondenten een potentieel probleem? • Der Feindhörtmit – secretaresse antwoord voor baas - .. Brontekst: Tony Bastijns + bibliografie achteraan

48. 6. Administratieve overwegingen • Wat kost het? Kunnen/willen we dat betalen? • Kost werken • Kost kwaliteit • Hebben we de nodige faciliteiten of kunnen we er aan geraken? • Hebben we de nodige tijd om op het antwoord te wachten? • Hebben we mensen (of kunnen we mensen krijgen) met de nodige deskundigheid en ervaring? Brontekst: Tony Bastijns + bibliografie achteraan

49. Conclusie: “tradeoffs” • Elk onderzoek is een afwegen van voor- en nadelen in het licht van een specifieke onderzoekvraag. • “Afwegen” is per definitie een individueel oordeel. • 2 experts kunnen dus perfect een totaal verschillend onderzoekvoorstel maken zonder dat 1 van beide “slecht” of de ander “beter” is. • Een onderzoek is altijd slecht als het • Niet doet wat het moet doen binnen de afgesproken grenzen • Dingen doet die sociaal en/of deontologisch en/of naar het gevoel van de betrokkenen “niet kunnen”. Brontekst: Tony Bastijns + bibliografie achteraan

50. Steekproefgrootte: berekening • Het handboek • http://www.marktonderzoek.noordhoff.nl/7105_marktonderzoek/_assets/7105d16.pdf • De theorie: • http://www.allesovermarktonderzoek.nl/Marktonderzoek/Steekproef.aspx • http://www.allesovermarktonderzoek.nl/steekproef-algemeen/steekproef-berekenen • De praktijk – een calculator • NL variant: http://www.allesovermarktonderzoek.nl/Extra/steekproef.aspx • Belgische variant: zelfde maar andere lay-out http://www.journalinks.be/steekproef/ • Voor de puristen • Wiskundeweb: http://www.wisfaq.nl/showfaq3.asp?id=11725 • Leuven: http://www.biw.kuleuven.be/vakken/StatisticsByR/pt/samplesize.html Brontekst: Tony Bastijns + bibliografie achteraan